Python 常用库指南
Python 作为一门设计优秀的编程语言，广泛应用于各种领域。依靠其强大的第三方类库，Python 在各个技术领域都能发挥巨大作用。本文整理了 Python 在数值计算、数据可视化、Web 开发、数据库管理、自动化运维、GUI 编程、机器学习及深度学习八大领域的常用库，并提供基础使用示例。
1. 数值计算
数值计算是数据挖掘、机器学习的基础。Python 提供多种强大的扩展库用于数值计算。
1. NumPy
支持多维数组与矩阵运算，针对数组运算提供大量数学函数库。通常与 SciPy 和 Matplotlib 一起使用，定义的最重要对象是称为 ndarray 的 n 维数组类型。
典型用法：
import numpy as np
arr = np.array([1, 2, 3])
print(arr * 2) # 输出：[2 4 6]
2. SciPy
在 NumPy 库的基础上增加了众多的数学、科学及工程计算中常用的库函数，如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等。
3. Pandas
基于 NumPy 的一种工具，为解决数据分析任务而生。提供高效地操作大型数据集所需的工具及大量的能快速便捷处理数据的函数和方法，为时间序列分析提供很好的支持。
典型用法：
import pandas as pd
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
print(df.sum())
2. 数据可视化
数据可视化是展示数据、理解数据的有效手段。
4. Matplotlib
第一个 Python 可视化库，功能非常强大但也非常复杂，许多别的程序库都是建立在其基础上或直接调用该库。
典型用法：
import matplotlib.pyplot as plt
plt.plot([1, 2, 3], [4, 5, 6])
plt.show()
5. Seaborn
利用了 Matplotlib，用简洁的代码来制作好看的图表。与 Matplotlib 最大的区别为默认绘图风格和色彩搭配都具有现代美感。
